機載視頻運動目標跟蹤研究.pdf

1、視覺跟蹤是計算機視覺領(lǐng)域最主要的研究方向之一,在視頻監(jiān)控、視覺導(dǎo)航、人機交互以及視頻壓縮等領(lǐng)域有著廣泛的應(yīng)用前景。本文主要研究機載視頻運動目標跟蹤,并引入兩種方法。第一種方法將視覺跟蹤看作目標與背景的二分類問題,通過隨機森林分類器的在線更新以適應(yīng)目標表觀的變化,達到復(fù)雜環(huán)境下對目標的穩(wěn)健跟蹤。第二種方法通過構(gòu)建目標的時空語義(Spatio-Temporal Context)模型,充分利用局部語義區(qū)域內(nèi)像素與目標中心間的時空關(guān)系,以完成跟

2、蹤任務(wù)。
　　本文利用空間-顏色直方圖對基于在線隨機森林分類器和粒子濾波框架的方法進行改進,并用于機載視頻運動目標跟蹤。在跟蹤中采用在線Bagging模擬采樣過程,并用于隨機決策樹的在線生長,將隨機森林作為機載視頻中目標的表觀模型。跟蹤過程中重采樣正負樣本更新分類器以適應(yīng)目標及其周圍背景變化。為增加抗干擾能力,本文在得到分類器的輸出后,計算粒子與前一幀目標之間的空間-顏色直方圖相似度,利用分類器的輸出和相似度二者的加權(quán)和作為每個粒

3、子的權(quán)值。實驗證明該方法在尺度縮放和抗干擾方面表現(xiàn)較突出。
　　本文結(jié)合卡爾曼濾波器對基于時空語義模型的跟蹤方法進行改進,解決機載視頻目標跟蹤問題。利用目標與其局部語義區(qū)域間像素間的時空關(guān)系對目標建立時空語義模型,在貝葉斯框架下對目標進行跟蹤。為解決遮擋后目標丟失問題,本文同時采用卡爾曼濾波器估計目標的位置,根據(jù)二者之間的差值判斷遮擋問題的發(fā)生,并在卡爾曼濾波估計位置的局部區(qū)域匹配目標,當(dāng)目標再次出現(xiàn)時準確定位目標。實驗表明該方法